【技术实现步骤摘要】
本专利技术属于计算机视觉与深度学习，涉及一种基于cnn-transformer的光子计数图像联合去噪超分辨率方法和系统，适用于高精度要求的图像去噪及超分辨率场景。
技术介绍
1、光子计数成像是一种重要的成像技术，由于其高灵敏度等特点，常用于弱光信号探测，可广泛应用于天文学、单光子计数、医学、荧光显微镜和其他成像系统。但光子计数成像要获得高质量、高分辨率的图像还存在两大困难。一方面，由于低功率光源和短曝光时间的限制，光子计数成像技术的成像质量不高，得到的光子计数图像往往具有大量噪声，且受到传感器限制，得到的图像往往空间分辨率较低，不易满足高精度观察与分析的需求。另一方面，尽管可以通过增加激光发射功率、延长曝光时间等操作来提高成像质量和空间分辨率，但是这些操作在医学成像领域可能会对成像目标造成不可逆的损害。因此针对光子计数图像的去噪与超分辨率研究十分具有应用前景与发展价值。
2、联合图像去噪和超分辨率作为计算机视觉领域的重要研究领域，因其能够在图像退化过程未知的情况下去除图像中的各种噪声，并且能够提升图像空间分辨率的特点，被广泛...
【技术保护点】
1.一种基于CNN-Transformer的光子计数图像高效联合去噪超分方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于CNN-Transformer的光子计数图像高效联合去噪超分方法，其特征在于：步骤1中，针对图像去噪问题进行变分推断建模，输入的数据集D为：
3.如权利要求2所述的一种基于CNN-Transformer的光子计数图像高效联合去噪超分方法，其特征在于：步骤1中求解图像去噪问题建模为求解无噪声低分辨率图像z的后验分布问题，其后验分布表示为：
4.如权利要求1所述的一种基于CNN-Transformer的...
【技术特征摘要】
1.一种基于cnn-transformer的光子计数图像高效联合去噪超分方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于cnn-transformer的光子计数图像高效联合去噪超分方法，其特征在于：步骤1中，针对图像去噪问题进行变分推断建模，输入的数据集d为：
3.如权利要求2所述的一种基于cnn-transformer的光子计数图像高效联合去噪超分方法，其特征在于：步骤1中求解图像去噪问题建模为求解无噪声低分辨率图像z的后验分布问题，其后验分布表示为：
4.如权利要求1所述的一种基于cnn-transformer的光子计数图像高效联合去噪超分方法，其特征在于：所述tcb块包含cnn分支与transformer分支，cnn分支包括卷积层、激活函数层和残差连接；所述transformer分支包括层归一化、窗口多头自注意力和前馈神经网络；tcb块的具体处理过程如下：
5.如权利要求1所述的一种基于cnn-transformer的光子计数图像高效联合去噪超分方法，其特征在于：噪声估计子网络的输入为含噪声的低分辨率图像y，先经过一个3×3卷积操作得到图像的浅层特征，随后将得到的浅层特征输入到由连续五个tcb模块组成的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。